Question

我有这个自动编码器：

input_dim = Input(shape=(10,))
encoded1 = Dense(30, activation = 'relu')(input_dim)
encoded2 = Dense(20, activation = 'relu')(encoded1)
encoded3 = Dense(10, activation = 'relu')(encoded2)
encoded4 = Dense(6, activation = 'relu')(encoded3)
decoded1 = Dense(10, activation = 'relu')(encoded4)
decoded2 = Dense(20, activation = 'relu')(decoded1)
decoded3 = Dense(30, activation = 'relu')(decoded2)
decoded4 = Dense(ncol, activation = 'sigmoid')(decoded3)
autoencoder = Model(input = input_dim, output = decoded4) 
autoencoder.compile(-...)
autoencoder.fit(...)

现在我想打印或保存encode4中生成的功能。基本上，从一个庞大的数据集开始，我想在训练部分之后提取autoencoder生成的特征，以获得我的数据集的受限表示。

你能帮帮我吗？

Answer 1

您可以通过创建“编码器”模型来实现：

encoder = Model(input = input_dim, output = encoded4)

这将使用您使用自动编码器训练的相同图层实例，并且如果您在“推理模式”中使用它，则应该生成该功能，例如encoder.predict()

我希望这会有所帮助：）

Answer 2

所以，基本上，通过创建这样的编码器：

 encoder = Model (input_dim,encoded4)
 encoded_input=Input(shape=(6,))

然后使用：

 encoded_data=encoder.predict(data)

其中predict函数中的数据是数据集，输出由

生成

 print encoded_data

是我的数据集的受限制的代表。

是不是？

由于

在Keras中打印/保存自动编码器生成的功能

2 个答案: